Industri proyek konstruksi merupakan industri yang cukup unik karena memiliki banyak variasi dalam struktur organisasinya sehingga menyebabkan risiko keterlambatan proyek semakin tinggi. Keterlambatan proyek bisa dikatakan sebagai kegagalan karena tidak berhasil menyelesaikan pekerjaan tepat waktu. Keterlambatan proyek bisa berdampak buruk pada kinerja proyek sehingga menyebabkan pembengkakan biaya dan penurunan produktivitas. Prediksi keterlambatan dimulai dengan pengumpulan data yang dilakukan dengan menyebarkan kuesioner ke berbagai perusahaan kontraktor serta MK yang berada di Surabaya. Data yang didapatkan dari kuesioner terdiri dari 21 variabel input dan 1 variabel output. Data yang telah diterima akan diolah menjadi 3 model utama berdasarkan cara mendapatkan nilai risiko untuk setiap variabel input. Selanjutnya data tersebut akan diprediksi menggunakan tiga metode machine learning antara lain artificial neural network (ANN), support vector machine (SVM), dan classification and regression tree (CART). Setelah dilakukan pemodelan, ketiga metode ini dievaluasi menggunakan enam indikator untuk menentukan metode prediksi yang terbaik. Hasil penelitian menunjukkan bahwa ANN memiliki kinerja yang terbaik dibandingkan dengan kedua metode prediksi lainnya, terbukti dari nilai accuracy yang paling tinggi. Dari metode ANN, didapatkan bahwa predictor importance yang paling berpengaruh dalam memprediksi adalah keterlambatan pembayaran kepada kontraktor.